/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
20,1 млрд
Размер весов
82,9 ГБ
Лицензия
Apache 2.0
Архитектура
trillion · dense
Базовая модель
Tri-21B
Библиотека
transformers
Опубликована
15 фев 2026

Tri-21B-Think-Preview

Генерация текстаТекст → текст15 профессий

Промежуточная версия языковой модели Trillion Labs на 20,1 млрд параметров для диалогов, рассуждений и работы с инструментами.

270скачиваний за 30 дней5лайковвеса обновлены19 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Tri-21B-Think-Preview — промежуточный чекпойнт языковой модели Trillion Labs, дообученный на базе Trillion Labs Tri-21B для рассуждений по инструкциям и работы с инструментами. Это плотная авторегрессионная модель с архитектурой Transformer Decoder, RoPE, SwiGLU, RMSNorm и GQA; в ней около 20,1 млрд параметров и 40 слоёв. Контекст составляет 32 768 токенов, с YaRN заявлено расширение до 262 144 токенов.

Модель предназначена для диалогов, пошагового решения задач и ответов на сложные вопросы, в том числе по математике и естественным наукам. Она рассчитана прежде всего на английский, корейский и японский языки; для других языков качество может снижаться. Это промежуточная версия: авторы указывают, что финальный вариант — Tri-21B-Think. Для запуска с vLLM и SGLang поддержка, согласно карточке, ещё готовится. Лицензия — Apache-2.0.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • ответы на сложные вопросы по естественным наукам
  • диалоговый помощник на английском, корейском или японском языке
  • вызов инструментов в диалоговых сценариях
  • обработка длинных текстовых запросов с контекстом до 32 768 токенов

Ограничения

Это промежуточный чекпойнт, а финальная версия указана как Tri-21B-Think; vLLM и SGLang пока не поддерживаются согласно карточке. Модель оптимизирована для английского, корейского и японского языков, а для других языков качество может быть ниже; знания ограничены февралем 2025 года.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

Tri-21B-Think-Preview is an intermediate checkpoint of Tri-21B-Think, featuring mid-training context length expansion to 32K tokens and instruction tuning for chain-of-thought reasoning and tool use.

Model Specifications

  • Type: Causal Language Model (Reasoning-Enhanced)
  • Base Model: Tri-21B
  • Architecture: Transformer Decoder with RoPE, SwiGLU, RMSNorm, and GQA
  • Number of Parameters: 20.73B
  • Number of Layers: 40
  • Number of Attention Heads: 32 (Query) / 8 (Key, Value)
  • Head Dimension: 160
  • Hidden Size: 5,120
  • Intermediate Size: 27,392
  • Context Length: 32,768 (up to 262,144 with YaRN)
  • Vocab Size: 124,416

Quickstart

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "trillionlabs/Tri-21B-Think-Preview"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Solve the following step by step: What is the sum of the first 100 prime numbers?"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=4096,
    temperature=0.6,
    top_p=0.9
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

vLLM & SGLang Deployment

vLLM and SGLang support for Trillion Model is on the way. Stay tuned!

Fine-tuning Notes

Note on <think> tags: This model was trained without <think> and </think> as special tokens. They were added post-training for compatibility with reasoning parsers. If you plan to fine-tune this model, you'll need to modify tokenizer_config.json to avoid indexing errors.

Replace tokens 123975 and 123976 in tokenizer_config.json:

"123975": {
  "content": "<|reserved_special_token_9|>",
  "lstrip": false,
  "normalized": false,
  "rstrip": false,
  "single_word": false,
  "special": true
},
"123976": {
  "content": "<|reserved_special_token_10|>",
  "lstrip": false,
  "normalized": false,
  "rstrip": false,
  "single_word": false,
  "special": true
}

Evaluation

CategoryBenchmarkDescriptionTri-21B-Think-Preview
ReasoningGPQA-DiamondGraduate-level science questions across physics, chemistry, and biology (PhD-level)54
AIME 2025American Invitational Mathematics Examination 202550.0
MMLU-ProMassive Multitask Language Understanding with more answer choices and reasoning-focused questions65.19
HLEHumanity's Last Exam — 2,500 expert-level questions across 100+ subjects created by nearly 1,000 domain experts5.12
CodingLiveCodeBench v6Competitive programming benchmark with problems sourced from recent programming contests48.57
SciCodeCode generation across 338 subproblems in 16 natural science fields drawn from real research workflows18
Instruction FollowingIFEvalTests ability to follow precise formatting and output constraint instructions84.05
IFBenchEvaluates generalization to novel, verifiable output constraints not seen during training (Allen AI)51.02
AgenticTAU2-Bench (Telecom)Dual-control conversational benchmark where both agent and user use tools to resolve telecom scenarios (Sierra)93
AA-LCRLong-context reasoning over multiple documents at 10K–100K tokens (Artificial Analysis)15
AA-OmniscienceFactual reliability across 6,000 questions in 42 subtopics, penalizing hallucinations (Artificial Analysis)-48.55
KoreanKMMLU-Pro2,822 questions from 14 Korean National Professional Licensure exams (LG AI Research)54.18
CLIcK1,995 Korean cultural and linguistic knowledge questions sourced from official exams and textbooks (KAIST)77.94
KoBALTKorean linguistic understanding across syntax, semantics, pragmatics, phonetics, and morphology (SNU)47.29

Limitations

  • Language Support: Optimized for English, Korean, and Japanese. Other languages may show degraded performance.
  • Knowledge Cutoff: February 2025.
  • Intermediate Checkpoint: See Tri-21B-Think for the final model.

License

This model is licensed under the Apache 2.0 License.

Contact

For inquiries: info@trillionlabs.co

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TrillionForCausalLM
Ревизия весов
8fd7e99

0 моделей